| Summary: | Οι υπνικές άτρακτοι είναι πρότυπα ρυθμικής δραστηριότητας που εμφανίζονται
στο ηλεκτροεγκεφαλογράφημα ύπνου. Στα πλαίσια της παρούσας εργασίας
αναπτύχθηκε και αξιολογήθηκε μέθοδος για την αυτόματη ανίχνευση υπνικών
ατράκτων σε ηλεκτροεγκεφαλογραφικά δεδομένα. Έγινε εξαγωγή χαρακτηριστικών
του σήματος στα πεδία του χρόνου και των συχνοτήτων για χρονικά διαστήματα
ενός δευτερολέπτου, επιβλεπόμενη μάθηση των ταξινομητών, Perceptron
πολλαπλών επιπέδων (MLP) και μηχανής διανυσματικής υποστήριξης (SVM) και
υπολογίστηκαν οι παράμετροι απόδοσης για διάφορους συνδυασμούς
χαρακτηριστικών και ταξινομητών. Η βέλτιστη απόδοση για το MLP βρέθηκε recall
98,6% precision 98,2% και για το SVM recall 99,2% precision 98%. Συνολικά, η
απόδοση των ταξινομητών βελτιστοποιείται από το συνδυασμό χαρακτηριστικών
στο πεδίο του χρόνου με χαρακτηριστικά του πεδίου των συχνοτήτων. Οι
επιδόσεις τους είναι συγκρίσιμες με αυτές άλλων αλγορίθμων που ευρέως
χρησιμοποιούνται για την αυτόματη ανίχνευση υπνικών ατράκτων
|
|---|
